Analizy


Grupa Analizy zawiera zbiór zaawansowanych technik analitycznych pozwalających na wykonanie metaanalizy, budowę modeli logitowych, map percepcji, analizy conjoint czy grupowania aglomeracyjnego z możliwością wskazania optymalnego punktu odcięcia.

Krzywe ROC (Receiver Operating Characteristic)

Są one są narzędziem służącym do oceny poprawności klasyfikatora (pojedynczej zmiennej lub całego modelu), zapewniają one łączny opis jego czułości i specyficzności. Ten sposób wspomagania systemu decyzyjnego jest szeroko stosowany w różnych obszarach analizy danych, m.in. W diagnostyce medycznej.

Program Krzywe ROC umożliwia:

  • kreślenie krzywych ROC dla prób zależnych i niezależnych,
  • obliczanie pola powierzchni pod krzywą,
  • porównywanie istotności różnicy pól pomiędzy dwiema krzywymi
  • ustalanie optymalnego punktu odcięcia dla podanych kosztów błędnej klasyfikacji i prawdopodobieństw a priori występowania badanego zjawiska,
  • obliczanie miar FP,TP FN, FP, Sensitivity, Specificity, ACC, PPV, NPV, False positive ratio, False negative ratio, LR dla wszystkich możliwych punktów odcięcia.


Wykres Krzywe ROC

Metaanaliza i metaregresja

Moduł jest narzędziem umożliwiającym syntezę wyników wielu niezależnych badań szczególnie w sytuacji, gdy nie mamy dostępu do danych surowych a dysponujemy jedynie zbiorczymi wynikami tych badań. Podejście takie pozwala rozszerzyć wnioski z pojedynczych badań na szerszą populację oraz zwiększyć wiarygodność otrzymanych wyników. Za pomocą dodatkowych narzędzi takich jak analiza niejednorodności, analiza w grupach czy metaregresja badacz może również ocenić zmienność uzyskanych wyników i wskazać jej źródła. Obliczenia są wykonywane dla szeregu miar efektu, a wyniki można przedstawić w postaci szczegółowych raportów oraz wykresów.


Metaanaliza

Moduł Metaanaliza i metaregresja umożliwia m.in.:

  • wprowadzenie wyników badań i gotowych (już wyliczonych) miar efektu;
  • wprowadzanie wyników przedstawionych w różnych formatach;
  • uwzględnienie w analizie badań z wynikami przedstawionymi w postaci różnych miar efektu (np. ilorazu szans oraz d Cohena);
  • obliczanie miar efektu dla pojedynczych badań;
  • obliczanie łącznych miar efektu dla modelu z efektem stałym i zmiennym (fixed effect model, random effects model);
  • wykonanie metaanalizy (meta-analysis) i utworzenie wykresu leśnego (forest plot);
  • przeprowadzenie analizy skumulowanej (cumulative meta-analysis);
  • wykonanie analizy niejednorodności (heterogeneity analysis) – miary Q, T2, I2;
  • utworzenie wykresów: L’Abbego i Galbraitha;
  • przeprowadzenie metaanalizy w grupach (subgroup analyses) dla modelu z efektem stałym oraz efektem zmiennym, z oddzielnym T2 i wspólnym T2;
  • wykonanie metaregresji (meta-regression) i przedstawienie jej wyników w postaci raportów i wykresu bąblowego;
  • przeprowadzenie analizy wrażliwości (sensitivity analysis) – analiza po dołączeniu grupy badań lub wyłączeniu wybranej kombinacji badań;

Kreator Regresji Logistycznej

Moduł umożliwia zbudowanie i ocenę modelu regresji logistycznej. Korzystając z Kreatora badacz krok po kroku wykonuje kolejne etapy związane z budową modelu regresji poczynając od sposobu kodowania zmiennych oraz wyboru istotnych cech do analizy, poprzez sprawdzanie założeń i identyfikację interakcji aż po ocenę dobroci dopasowania modelu, analizę reszt czy zbadanie jego zdolności predykcyjnych. Funkcjonalność Kreatora obejmuje między innymi:

  • Wygodne określenie modelowanej klasy zmiennej zależnej oraz poziomów odniesienia predyktorów jakościowych
  • Wykonanie jednoczynnikowej analizy dla wszystkich wybranych predyktorów
    • Oceny parametrów regresji
    • Obliczanie ilorazów szans wraz z przedziałami ufności
    • Wykres leśny(forest plot) dla zmiennych jakościowych
  • Ranking istotności predyktorów na podstawie testu LR


Regresji Logistycznej

  • Badanie linowości wpływu predyktorów ilościowych na logarytm szansy modelowanego zjawiska
  • Analiza współliniowości predyktorów
    • Analiza korelacji
    • Wyznaczanie skupisk skorelowanych zmiennych
    • Automatyczne wyznaczanie reprezentantów zidentyfikowanych skupisk zmiennych
  • Analiza interakcji
    • Automatyczna identyfikacja istotnych interakcji
    • Tworzenie rankingu interakcji
    • Wygodny wybór interesujących interakcji
  • Krokowe metody doboru zmiennych do modelu
    • Krokowa postępująca i wsteczna
    • Wprowadzanie postępujące
    • Eliminacja wsteczna
  • Zaawansowane schematy walidacji modelu
    • Próba ucząca i testowa
    • Wielokrotna ocena krzyżowa
    • Metoda LOO (Leave One Out)
  • Bogaty zestaw miar jakości modelu:
    • Testy LR
    • Odchylenie
    • Miary pseudo R2
    • AIC, BIC
    • Test Hosmera-Lemeshowa
  • Analiza reszt oraz wartości wpływowych
  • Analiza krzywych ROC
  • Wykresy przyrostu i zysku

Analiza conjoint

Moduł pozwala na wykonanie analizy dla zmiennych zależnych mierzonych na skali co najmniej przedziałowej. Program oblicza cząstkowe użyteczności poszczególnych poziomów cech (przedstawiane także w formie wykresów), a także użyteczności całkowite dla każdej kombinacji cech produktu i każdego respondenta oraz ranking profili. Dodatkowo obliczane są relatywne oraz sumaryczne ważności analizowanych zmiennych.


Analiza conjoint

Aglomeracja z punktem odcięcia

Moduł ten uzupełnia klasyczny moduł aglomeracyjnej analizy skupień o możliwość wskazania (w sposób ręczny bądź automatyczny) optymalnego punktu odcięcia dendrogramu oraz przygotowania na tej podstawie zbioru danych z przypisaniem analizowanych obiektów do poszczególnych grup.


Aglomeracja z punktem odcięcia

Metoda ocen porównawczych Thurstone'a

Moduł umożliwia zbudowanie metrycznej skali preferencji na podstawie danych o preferencjach uzyskanych z wykorzystaniem skali porównań parami bądź skali rangowej (jest ona przekształcana do skali porównań parami).


Metoda ocen porównawczych Thurstone'a

Dodatkowo uzyskane wyniki można zobrazować za pomocą mapy percepcji utworzonej metodą skalowania wielowymiarowego.

Analiza PROFIT

Moduł wykorzystuje metodę skalowania wielowymiarowego do budowy klasycznej mapy percepcji. W drugim kroku do analizy wykorzystywane są informacje o preferencjach analizowanych marek i na ich podstawie na mapę percepcji nakładane są dodatkowe osie opisujące wymiary i ułatwiające interpretację zbudowanej mapy.


Analiza PROFIT

Uogólniona metoda składowych głównych

Moduł jest narzędziem umożliwiającym wykonie analizy zarówno dla zmiennych ilościowych jak i jakościowych. Moduł umożliwia automatyczne określenie optymalnej liczby składowych za pomocą sprawdzianu krzyżowego a także dynamiczne dodawanieusuwanie kolejnych składowych. Dostępny jest kompletny zestaw wyników przeprowadzonych analiz w tym wykres osypiska oraz biplot.


Uogólniona metoda składowych głównych